基准测试

下面每个数字都标明了出处。本站没有重跑这些基准测试——它们是项目维护者发布的测量结果和项目链接到的社区报告，汇总在这里，省得你去翻 issue 帖子。

来源核对日期：2026-10-25 · 上游 README 固定在 commit af28cbb（2026-10-24）· 百分比由已发布的前后数字计算得出

头条结果——RTX 3090 Ti，稠密 GEMM

项目方报告稠密 8192³ GEMM，RTX 3090 Ti，功耗上限 450 W，五次采样中位数，FP32 累加。发布于 gpu-unlock README 及其链接的基准测试报告。

输入类型	解锁前（锁定）	解锁后	变化
FP16	87.46 TFLOPS	118.39 TFLOPS	+35%
BF16	87.50 TFLOPS	157.41 TFLOPS	+80%
TF32	42.58 TFLOPS	82.61 TFLOPS	+94%

为什么 BF16 提升最大：速率锁把 FP/BF16 融合乘加（FMA）指令发射率减半、拆进 FP32 运算里，所以解除它最多能让那个速率翻倍——BF16 的 +80% 在这个基准测试里吃掉了大部分理论空间。同一次运行中 FP16 提升较少（+35%）；README 没有拆解其中的差异，而且真实工作负载本来就混合了多种运算类型，所以把这三个数字当作“在这个基准测试上测得的结果”，而不是一个公式。而且这只是一张卡、一个基准测试、一个功耗上限：“解锁在一张 450 W 旗舰卡上能做到的事”，不是对每张卡的承诺。

逐卡结果——社区报告

社区报告来自项目已实测显卡列表中用户报告的 BF16 稠密 GEMM 提升。每份报告跑的是自己的基准测试，所以各行不能直接比较——功耗上限能解释大部分差异。

显卡	芯片	报告的 BF16 GEMM 提升	备注
RTX 3090 Ti	GA102	+68–80%	包含上面那次 450 W 头条运行。
RTX 3090	GA102	+25–67%	最低数字来自一张功耗上限被设为 225 W 的卡。
RTX 3080 10 GB	GA102	+70–73%	—
RTX 3080 20 GB (mod)	GA102	+56–59%	显存改装过的显卡。
RTX 3070	GA104	+73–81%	—
RTX 3060 12 GB	GA106	~+80%	—
RTX 3080 Ti 20 GB (OEM)	GA102-250	无提升	解锁可完成；BF16 仍为半速率。已知例外。

真实工作负载

社区报告汇集自项目 README 中的 issue 报告：

LLM 预填充（prefill）：+14–36%。预填充（prefill）是计算受限的矩阵运算，所以能受益——但幅度小于原始 GEMM，因为一次真实的模型运行从来不是一次完美的矩阵乘法。
LLM 解码（decode）：尚未有改善的报告。解码（decode）受显存带宽限制。解锁抬高的是一个解码（decode）永远碰不到的发射率上限。
扩散模型（ComfyUI）：BF16 图像模型 +47–59%——一位用户的实测，完整标注。Reddit 用户 under-_-null 测了一张 RTX 3090 Ti（EVGA FTW3 卡，默认频率，装在 Dell Precision 5820 中，功耗上限 450 W，Ubuntu，ComfyUI 0.42.1，batch 1，默认 PyTorch SDPA 注意力；计时包含文本编码、采样、解码和保存，但不含首次模型加载）。协议：每个图像模型在排除 3 次预热运行后记录 15 次测量生成，取这 15 次的中位数；视频工作流（MiniMax H3、LTX-2.5）在排除 1 段预热片段后记录 3 段测量片段，取这 3 段的中位数——样本很小，所以视频百分比只作参考。三个图像模型的 BF16 结果分别为 +56.1%、+57.2% 和 +58.6%，MiniMax H3 为 +60.2%；Notebookcheck 把这次运行总结为约 +47–59%。同一次测试，为了平衡：LTX-2.5 视频生成提升 +16.8%，INT8 的 MOSS-Image +0.3%——还有一条标签提醒：该报告中 FLUX.1 dev 的 FP8 检查点提升了 +54.6%，但那个检查点内部用 BF16 计算，所以一个挂着“FP8”标签的提升，仍可能只是 BF16 解锁在起作用。INT8 指令吞吐量本身不是本模块改变的东西。单个用户、单张卡、未独立验证——把它当作一个记录详实的数据点，而不是承诺。FlashAttention 在 README 中被归入矩阵密集型工作负载，没有给出一个标准百分比。
INT8：尚未有改善的报告。本模块写入的选择器管的是 FP/BF16 速率（上面那次 ComfyUI 运行中其 INT8 模型测得 +0.3%——在噪声范围内）。
输出：在对比过输出的报告中逐位一致。对比过解锁前后结果的报告发现输出相同。上面那次 ComfyUI 运行逐像素对比了 150 对图像——全部一致——6 对音频也一致；其视频帧并非完全一致，不过同一会话中的普通重跑本身也有差异，所以那个差异不能归因于解锁。解锁改变的是指令发射的快慢，不是它们计算的内容。

如何诚实地读这些数字

“最高约 2×”只适用于一类微基准（稠密 GEMM 指令发射率）、在已实测显卡上、在充裕的功耗上限下。端到端的应用提升更小——LLM 预填充（prefill）的 +14–36% 才是它真实的形状。如果你的某个工作负载是显存带宽受限的，就什么都别指望。任何人不点名工作负载就只给你报一个“加速百分比”，那都是在向你推销东西。

游戏性能

截至本文写作时，gpu-unlock 没有已验证的游戏基准测试数据——README 或其链接报告中没有帧率表。它解除的速率锁针对的是 AI 与 HPC 工作负载使用的 FP/BF16 计算指令发射率，所有已发布的测量都是计算基准测试。如果游戏数字对你重要，今天诚实的答案是“未测量”，你应当把任何没有方法论的帧率说法都当作未经验证。

主要来源：github.com/Zagitta/gpu-unlock（README 基准测试表与已实测显卡列表，附逐报告链接），固定在 commit af28cbb。ComfyUI 数字：Reddit 用户 under-_-null 的 RTX 3090 Ti 实测，由 Notebookcheck 与 WccfTech 报道。RTX 40 系列数字在RTX 40 页上——另一个项目，另一套证据基础。